-
公开(公告)号：CN108320674B
公开(公告)日：2024-07-02
申请号：CN201810320373.5
申请日：2018-04-11
Applicant: 安徽大学
IPC: G09F9/33
Abstract: 本发明公开了一种可近距离使用的LED显示屏，由多块纵横排列的LED单元板拼接形成，所述LED单元板包括呈矩形的基板以及设置在所述基板上的多个纵横排列的LED发光管，所述LED单元板还包括覆盖在所述多个LED发光管外的散射板，所述散射板也呈矩形，且所述散射板的四周边缘与所述基板的四周边缘齐平；所述散射板的外表面相应所述多个LED发光管的每条行间和每条列间的位置处分别开有条形通槽，形成纵横交错的网状缝隙。本发明通过设置散射板，可以对LED发光管发出的光线进行漫反射，避免近距离观看时刺眼现象的发生；其次，本发明可使拼接缝隙在整个LED显示屏上不再明显，形成无缝假象。
-
公开(公告)号：CN118071921A
公开(公告)日：2024-05-24
申请号：CN202410078770.1
申请日：2024-01-19
Applicant: 安徽大学
IPC: G06T17/00 , G06N3/0475 , G06N3/094 , G06V20/40 , G06V40/20 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06N3/045 , G06T3/06 , G06V10/80
Abstract: 本发明是一种新型的基于骨架变化增强的人体网格重建方法，采用姿态变化作为约束特征抽象的前提，从而获得更好的描述姿态变化的特征。据此，还提出了一种姿态变化约束的特征增强模块，通过利用基于相邻两帧的热图的姿态差计算的注意图来增强当前帧的特征。利用该模块对当前帧的特征进行局部抽象，采用GRU提取相邻帧的全局特征，提出了一种基于姿态变化的双流视频的姿态和形状估计框架。实验结果表明，该模块和框架是有效的。
-
公开(公告)号：CN117409202A
公开(公告)日：2024-01-16
申请号：CN202311454320.X
申请日：2023-11-03
Applicant: 安徽大学
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于医学检测领域，具体涉及一种融合频域感知的医学图像中多器官分割方法、系统和设备。本发明设计了一个采用PVT模块作为初始骨干的U型网络，U型网络中的编码器采用四层的PVT模块进行下采样，解码器采用四层PE模块进行上采样。在编码器中四层PVT模块构成分支以外增加一个由五层TAF模块构成的特征融合分支，TAF模块用于提取频域特征并将其与空间特征融合；在解码器中增加3层SRA模块，SRA模块用于在相邻PE模块间对上采样结果添加相对位置编码后，再通过两层注意力计算得到细化后的特征。最后利用多器官医学图像样本对新设计的网络模型进行训练，可得到高精度的多器官分割模型。本发明解决了现有图像分割技术在多器官分割场景下精度不足的问题。
-
公开(公告)号：CN117036838A
公开(公告)日：2023-11-10
申请号：CN202210453028.5
申请日：2022-04-27
Applicant: 安徽大学
IPC: G06V10/774 , G06V10/764 , G06V10/74 , G06F16/35
Abstract: 本发明公开了一种类别弱监督的RGB‑D图像显著物体检测方法，包括训练阶段和更新阶段；所述训练阶段由伪标签监督所述图像显著物体检测模型的训练，输出显著图；同时由类别标签、伪标签监督视觉‑语言匹配模型的训练，输出类别相似度向量和类别感知显著图；所述更新阶段利用类别感知显著图和伪标签掩码下的图像的类别相似度加权求和类别感知显著图和伪标签，以此结果更新伪标签；所述更新阶段发生在所述训练阶段的过程中；所述方法在测试阶段，对任意输入的RGB‑D图像，使用训练好的所述图像显著物体检测模型进行测试，输出最终的显著图。本发明以类别标签和伪标签监督模型的训练，无需像素级别的真值标签。
-
公开(公告)号：CN115546512A
公开(公告)日：2022-12-30
申请号：CN202211047306.3
申请日：2022-08-29
Applicant: 安徽大学
Abstract: 本发明公开了一种基于可学习的权重描述子的光场图像显著目标检测方法，包括以下步骤：S1、从光场图像中分别提取全聚焦特征和焦点堆栈特征；S2、对焦点堆栈特征进行加权，产生增强的焦点堆栈特征；所述权重通过可学习的权重描述子由一个Transformer解码器实现；S3、分层交互全聚焦特征和增强的焦点堆栈特征，产生多模态的融合特征；S4、解码多模态的融合特征，产生显著图；S5、利用显著图真值监督所述显著图，通过训练集的训练，形成光场图像显著目标检测模型；S6、利用所述光场图像显著目标检测模型检测任意一张光场图像，经过步骤S1‑S4，输出显著图为检测结果。本发明方法通过可学习的权重描述子对焦点堆栈的特征进行焦片间以及空间和通道上的加权，以获取更有效的信息，通过分层多模态融合，促进多模态之间信息的充分交互，实现有效融合，提高检测精度。
-
Patent Agency Ranking
公开(公告)号：CN113298748B
公开(公告)日：2022-11-18
申请号：CN202010109240.0
申请日：2020-02-21
Applicant: 安徽大学
Abstract: 本发明提供一种基于注意力机制的图像协同显著目标检测模型，其特征在于，首先，提取单幅图像特征；其次，利用单幅图像通道注意力和多幅图像通道协同注意力提取每幅图像的通道特征；再次，利用单幅图像空间注意力和多幅图像空间协同注意力提取每幅图像的空间特征；接着，经过解码器生成协同显著图；最后，所述模型在显著真值图的监督下进行学习训练。所述模型通过通道协同注意力，激活组内图像共同的类别信息，通过空间协同注意力，激活组内图像相似目标的位置。所述模型利用注意力机制挖掘组内图像的协同关系，提高图像协同显著目标检测的效果。
-
公开(公告)号：CN109598291B
公开(公告)日：2021-07-23
申请号：CN201811403370.4
申请日：2018-11-23
Applicant: 安徽大学
Abstract: 本发明公开了一种一种基于PSO的RGBD图的协同显著目标检测方法，该方法包括以下步骤：S1、输入RGB图，深度图和相应的RGBD单幅图的显著图；利用gPb–owt–ucm分割法进行区域分割，得到候选目标区域；S2、利用PSO方法得到每个粒子的最佳聚类中心数目和最优特征；S3、通过初始种群进行聚类得到得到显著图；S4、利用聚类质量选出最优的粒子，更新显著图。本发明利用PSO来提取目标特征从而进行后续的显著检测，利用PSO既可以自动决定该分类的数目又可以同时提取特征，从而进行协同显著检测，先利用PSO得到特征，利用这些特征进行区域分类从而得到最后的多分类结果和协同显著图。本发明通过图像库测试对比证明了其有效性以及在效果上明显的优势。
-
公开(公告)号：CN107358245B
公开(公告)日：2020-05-26
申请号：CN201710591486.4
申请日：2017-07-19
Applicant: 安徽大学
Abstract: 本发明公开了一种图像协同显著区域的检测方法，属于计算机视觉技术领域，包括：S1、采用M种显著检测方法对N张待检测图像进行显著性检测，得到M×N基本显著图S2、利用具有拉普拉斯正则项的低秩矩阵分解模型，对M×N张显著区域颜色特征构成的直方图矩阵进行分解，得到所述基本显著图的加权值，得到的加权值；S3、将的加权值与相应的进行融合，得到加权显著图Sc；S4、对每张待检测图像进行聚类处理，利用Sc指导第i张待检测图像聚类后类的协同显著分配，得到协同显著图Sd；S5、将Sc和Sd进行融合，得到N张待检测图像的显著图S。通过在低秩矩阵分解模型中加入拉普拉斯正则项，提高了低秩背景与系数矩阵区分的准确性，提高了协同显著区域的检测效率。
-
公开(公告)号：CN108320674A
公开(公告)日：2018-07-24
申请号：CN201810320373.5
申请日：2018-04-11
Applicant: 安徽大学
IPC: G09F9/33
Abstract: 本发明公开了一种可近距离使用的LED显示屏，由多块纵横排列的LED单元板拼接形成，所述LED单元板包括呈矩形的基板以及设置在所述基板上的多个纵横排列的LED发光管，所述LED单元板还包括覆盖在所述多个LED发光管外的散射板，所述散射板也呈矩形，且所述散射板的四周边缘与所述基板的四周边缘齐平；所述散射板的外表面相应所述多个LED发光管的每条行间和每条列间的位置处分别开有条形通槽，形成纵横交错的网状缝隙。本发明通过设置散射板，可以对LED发光管发出的光线进行漫反射，避免近距离观看时刺眼现象的发生；其次，本发明可使拼接缝隙在整个LED显示屏上不再明显，形成无缝假象。
-
公开(公告)号：CN107846761A
公开(公告)日：2018-03-27
申请号：CN201710966229.4
申请日：2017-10-17
Applicant: 安徽大学
IPC: H05B37/02
Abstract: 本发明公开了一种教室智能照明系统，包括：n个照明模块；第i个照明模块包括控制单元、照明单元、采集单元；照明单元用于根据控制单元的指令选择照明模式对i区域进行照明，采集单元用于采集i区域内的人数Ni以及亮度Di并将采集结果发送至控制单元；且第i个照明模块中的控制单元根据其采集单元的采集结果以及相邻照明模块中的采集单元的采集结果选择不同的照明策略，实现了多个照明模块间的协同配合工作，提高了多个照明模块照明策略选择的智能化和合理性；且每一个照明模块可根据自身对应的照明区域内的实际情况选择特定的照明策略，实现了每一个照明模块的单独工作模式，有利于保证保证照明策略的有效性。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.032 seconds)
